この記事は、CAST AI社により公開されたブログ記事を元に翻訳・作成したものです。また、記載している製品比較の内容は、CAST AI社の評価によるものです。元の記事については以下をご覧ください。
（記事最終更新日：2022年11月23日）

Kubernetes Automation: 7 Reasons Why CAST AI Beats Savings Plans and Reserved Instances

Kubernetes Automation: CAST AIがSavings Plans とリザーブドインスタンスに勝る7つの理由

公開日：2023年2月27日

更新日：2023年2月27日

コンテナーは大流行しており、RedHat のレポート¹ は大流行を明確に示しています。調査対象となったITリーダーの70%が、自社でKubernetesを導入しており、ほぼ3分の1はコンテナーの利用を大幅に拡大する計画を持っています。

コンテナオーケストレーターとしてのKubernetesはある程度の自動化を提供しますが、DevOpsの速度とアプリケーションの弾力性を促進するプラットフォームを構築したい場合は、さらに、多くの作業が必要となります。

Kubernetesの自動化すると、CAST AIは、内部のDevOps人員による作業やネイティブのクラスターオートスケーラーなどのツールよりも優れた体験と段階的なコスト削減を提供します。

AWS/EKS、Azure/AKS、GCP/GKE、AWS/kOpsのいずれでKubernetesを管理している場合でも、CAST AIは経費削減とDevOps、CloudOps、FinOpsの効率アップに貢献します。

今回はその方法をご紹介します。

製品ページ

CAST AIでKubernetesの自動化を利用する7つの理由

#1: 手作業をなくす

CAST AIがKubernetesのオートスケーリング、コスト最適化、複数のゾーンやクラウドにまたがる監視を管理することで、DevOpsチームは手動タスクの数を大幅に削減できます。

これにより、クラスターを手動で増減したり、クラウドの容量不足に対処したり、複数のゾーンで可用性と価格を考慮してどのタイプのインスタンスが最適かを検討するなどの時間を短縮できます。

CAST AI vs ネイティブK8sマネージメント

	ネイティブ	CAST AI
プラン、モニタリング、マネージメント
クラスターのスケーリング	DevOps人員と手作業が必要	完全に自動化されたモニタリングとオートスケーリング
クラウドの容量不足の対処	DevOps人員と手作業が必要	完全に自動化されたモニタリングとオートスケーリング
インスタンスタイプの見積もり	DevOps人員と手作業が必要	完全に自動化されたモニタリングとオートスケーリング
価格と可用性に基づいたインスタンスタイプの選択	DevOps人員と手作業が必要	完全に自動化されたモニタリングとオートスケーリング
マルチクラウド展開	DevOps人員と手作業が必要	完全に自動化されたモニタリングとオートスケーリング
コスト管理
クラウド予算の効果的な管理	DevOpsチームがネイティブのレポートおよび価格設定ツールを利用して最適な構成を推測し、定期的に再検討する必要があります。	CAST AIのコスト可視化レポートと可用性メトリックにより、予算のオーナーはコントロールと透明性が得ることができます。
リザーブドインスタンス、Savings Plans	DevOpsチームは、事前に計画した予算に対してコミットする必要があります。そのため、季節変動により無駄なリソースが発生します。また、利用サイクルのピークに対処するために、割高なコストでオンデマンドリソースを必要とする傾向があります。	最大限の利用率とコスト削減を実現するために、割り当てを動的に調整します。
スポットインスタンス	2分前の通知でリソースが利用できない場合に備えて、綿密な計画とDevOpsチームの待機が必要です。	スポットインスタンスの管理を完全に自動化し、必要に応じてほかの価格帯に動的に移行、手動での介入は不要です。
コスト削減	ネイティブのクラスターオートスケーラーを使用するため、設定と管理に多大なDevOps人員が必要です。季節性、クラウドの保有状況、クォーター、価格の変更のときに調整が困難です。	CAST AIによる節約額の中央値は、クラウドプロバイダーのクラスターオートスケーラーソリューションが提供するものを40%上回っています。市場のほかのサードパーティソリューションよりも明らかに優れています。

#2: クラウド予算の効率的な管理

クラウドコストの可視化は、IT予算担当が最も頭を悩ませる問題の1つです。

意思決定者は、CAST AIのレポートとメトリックにより、コントロールと透明性を取り戻すことができます。CAST AIのリアルタイムレポート機能により、DevOpsおよびCloudOpsチームは、現在のクラウド利用額と予測に関するインサイトを得ることができます。

また、CAST AIはPrometheusにより取得したメトリクスを活用して、時間単位、および日単位で支出の変動に関するアラートを生成します。その結果、Grafanaなどのお気に入りの分析ツールでデータを表示できます。

#3: 最大限のコスト削減を実現するためのダイナミックな設定とプランニング

CAST AIの顧客を対象とした調査では、CAST AIがリザーブドインスタンス（RI）やSaving Plans（SP）よりも優れたコスト削減を提供することが実証されています。ベースロードとしてのRIをサポートする一方で、幅広いクラウドコスト最適化機能により、ユーザーは先行投資コストを完全に削減できます。

クラスターの基本負荷が安定しているアプリケーションの場合、CAST AIはRIを活用してさらに大幅なコスト削減を実現する方法を提供します。CAST AIでは、低リスクで高効率のビンパッキングアルゴリズムを展開することで、大幅なコスト削減を実現します。アプリケーションの需要が低下するとノードを統合し、無駄なクラウドリソースを大幅に削減します。

さらに、このCAST AIにより、構成をリアルタイムで最適化できるため、ノードに蓄積されたリソースの断片化が解消されます。

最後に、CAST AIはスポットインスタンスの自動化機能を備えており、コストとパフォーマンスが最適な組み合わせとなるスポットVM を選択しながら、容量不足、割り当て不足、またはその他の制限を効果的に処理します。ビンパッキングと自動インスタンスタイプ選択により、スポットインスタンスはリザーブドインスタンスよりも大幅に節約でき、長期間の契約を強いることもありません。

#4: ベストインクラスのKubernetes自動化を使用

CAST AIは、Kubernetesの自動化を念頭に置いて構築されました。CAST AIのアルゴリズムは、高性能CPU とローカルNVMeドライブの最適な組み合わせを特定し、最終的にリソース／コストの計算に最適なコスト／利益比を提供します。

AWSには500以上のインスタンスタイプがあり、ゾーンごとに可用性と価格が異なるため、これらの変数は1日に何度も変化します。専用のフルタイムのDevOps人員がいたとしても、インスタンスタイプを手動で計画して管理するのは無駄です。

それができたとしても、潜在的な障害やアプリケーションの容量不足が発生する可能性が残ります。CAST AIは、Kubernetesの自動化への包括的なアプローチにより、これらの課題を解消することをめざしています。

#5: ネイティブのコスト削減モデルを凌駕

CAST AIのお客様と一緒に仕事を通じて、ネイティブのコスト削減戦略は、プラットフォームの能力と比較して、まだまだ不足していることが分かってきました。

ネイティブのクラスターオートスケーラーにはいくつかの欠点があります。構成と管理にはかなりのDevOps人員が必要であり、季節性、クラウドインベントリの可用性、クォーター、および価格の変更に直面した場合、調整が困難です。

効果的なクラウドコスト管理の重要な領域の1つは、変化するリソース需要にほぼリアルタイムでスケーリングできることです。DevOpsチームが手動でノードプールを作成して管理し、Kubernetes スケジューラーのパフォーマンスを制限するのではなく、CAST AI はジャストインタイムのスケーリングアルゴリズムを使用します。

その結果、プラットフォームは Kubernetesスケジューラーの全機能を利用できるようになり、手動の方法よりもリソースの使用率とコスト管理が大幅に改善されます。